Chatbot HR dan Masa Depan Manajemen Sumber Daya Manusia

Chatbot HR dan Masa Depan Manajemen Sumber Daya Manusia

  • GitHub
  • Support Me 🤑

›Bagian 2

Pembukaan

  • Sampul Buku
  • Intro
  • Testimonial
  • Daftar Isi
  • Daftar Gambar
  • Kata Pengantar

Bagian 1

  • Selamat Datang Di Dunia Chatbot
  • Ekosistem Chatbot
  • Roadmap Menjadi Chatbot Developer
  • Cara Membuat Chatbot Yang Disukai Orang
  • Berbagai Macam Alat Pengujian Chatbot
  • Esensi Natural Language Processing (NLP)

Bagian 2

  • Latar Belakang
  • Chatbot HR
  • Kisah Sukses

Bagian 3

  • System Request
  • Uji Kelayakan
  • Biaya Pengembangan Chatbot

Bagian 4

  • Spesifikasi Chatbot
  • Sistem Desain
  • Mendesain Karakter Chatbot
  • Mendesain Percakapan Chatbot
  • Mendesain Basis Data

Bagian 5

  • Pengenalan Dialogflow
  • Arsitektur Chatbot Menggunakan Dialogflow
  • Membuat Agent Dialogflow
  • Memahami Default Welcome Intent
  • Memahami Fallback Intent
  • Memahami Intents
  • Memahami Entitas
  • Memanfaatkan Slot-Filling
  • Memahami Context
  • Menggunakan Intent Follow-Up
  • Slot-filling vs Intent Follow-up
  • Memahami Fulfillment
  • Menggunakan Google Cloud Function
  • Integrasi Chatbot Dengan Web

Bagian 6

  • Pengenalan SQLite3
  • Tabel MaritalStatus
  • Table EmployeeRoles
  • Table Employee

Bagian 7

  • Verifikasi Akun Pegawai
  • Mengganti PIN
  • Verifikasi Data Pegawai
  • Merekam Data Kehadiran
  • Merekam Data Reimburse
  • Merekam Data Keluhan
  • Membaca Berita
  • Mencari Informasi Data Pegawai
  • Mencari Informasi Lowongan Kerja
  • Merekam Data Pelamar Kerja

Bagian 8

  • Registrasi Facebook Developer
  • Membuat Aplikasi Facebook
  • Konfigurasi Dialogflow Dengan Facebook
  • Pengujian Integrasi Dialogflow Dengan Facebook
  • Pengenalan Facebook Messenger API
  • Menggunakan Facebook Messenger API Untuk Mengirim Pesan
  • Mengenal Berbagai Macam Format Pesan
  • Meminta Data Lokasi Untuk Absensi
  • Menggunakan Quick Replies
  • Menggunakan Template Untuk Menampilkan Berita
  • Menggunakan Template Untuk Menampilkan Profil Pegawai
  • Membuat Persistent Menu Sebagai Navigasi
  • Broadcast Pesan
  • Publikasi Chatbot

Lampiran

  • Source Code Chatbot HR
  • Import Chatbot Dialogflow
  • Export Chatbot Dialogflow

Lain-Lain

  • Penutup
  • Istilah-Istilah
  • Referensi
  • Tentang Penulis

Bagian 2 - Masa Depan Manajemen Sumber Daya Manusia

Kisah Sukses

Sejak buku ini ditulis, belum ada perusahaan di Indonesia yang memberitakan keberhasilannya dalam mengimplementasikan Kisah Sukses di perusahaannya. Maka dari itu semoga dengan adanya buku ini banyak praktisi HR atau staff HR yang tertarik untuk men-sukseskan implementasi Kisah Sukses di perusahaanya. Sehingga dapat meningkatkan kualitas dari pelayanan HR kepada pegawai ataupun kandidat sekaligus meningkatkan kualitas tim HR karena pekerjaan yang sifatnya repetitive atau berulang-ulang sudah ditangani oleh chatbot dan staff HR dapat memiliki waktu lebih untuk mengembangkan diri dan menyiapkan strategi untuk meningkatkan kualitas sumber daya manusia diperusahaanya.

Beberapa Kisah Sukses yang ada salah satunya bernama Moon. Moon adalah Kisah Sukses yang dapat membantu ribuan pegawai sekaligus dalam hal Pre-Boarding, On-Boarding, Training, Engagement, HR Queries, HR FAQ, dan lain sebagainya.

https://askformoon.io/

Selain itu ada juga Claudia dari Catapa yang membantu perusahaan dalam proses rekrutmen, penggajian, dan pengelolaan kehadiran karyawan.

https://catapa.com/#claudia

Bagaimana dengan di luar Indonesia, apakah sudah ada perusahaan yang sukses dengan memanfaatkan teknologi Kisah Sukses tersebut? Ada beberapa perusahaan dunia yang sudah sukses dengan menggunakan Kisah Sukses mari simak cerita berikut:

IBM: A New Level of Employee Engagement

IBM Big Blue telah menjadi pemimpin dalam Artificial Intelligence (AI) selama bertahun-tahun. Sekarang, korporasi telah menghemat lebih dari 100 juta USD setahun berkat AI di departemen SDM mereka.

Sistem AI mereka melibatkan karyawan dalam sejumlah cara. Misalnya, salah satu alat perusahaan memantau obrolan perusahaan di media sosial, survei, dan sumber data lainnya.

Berdasarkan data ini, jika seseorang telah berada di tim untuk waktu yang lama dan siap untuk promosi, manajer akan diberitahu tentang fakta-fakta ini.

IBM juga menggunakan alat berbasis AI bernama Watson Career Coach (WCC). Menggunakan kombinasi pemrosesan bahasa alami dan informasi historis, obrolan WCC dengan karyawan. Ini dapat membantu mereka menemukan peran baru yang sesuai dengan keterampilan mereka sehingga mereka dapat bergerak di dalam perusahaan. Sistem ini juga dapat membantu mereka bekerja menuju sasaran karier yang lebih besar.

Royal Dutch Shell: Finding Hidden Talent

Raksasa minyak dan gas, Shell, baru-baru ini mencari cara untuk mengisi posisi untuk proyek-proyek tertentu. Tantangan yang mereka hadapi adalah menemukan staf di perusahaan yang memiliki keterampilan dan ketersediaan untuk melakukan pekerjaan.

Shell beralih ke Catalant, sebuah perusahaan perangkat lunak yang berbasis di Boston yang menggunakan AI untuk mencari bakat. Bersama-sama mereka memprakarsai proyek percontohan untuk mengevaluasi model bisnis digital untuk sektor perawatan mobil Shell. Shell Opportunity Hub, seperti namanya, menggunakan pembelajaran mesin untuk mencocokkan karyawan dengan kebutuhan perusahaan.

Setiap putaran pertandingan memungkinkan AI untuk memperbaiki dan meningkatkan proses karena ia semakin banyak belajar tentang bakat dalam organisasi. Pilot ini sangat sukses sehingga Shell telah membuat rencana untuk mengembangkannya menjadi 8.000 karyawan dalam kelompok pemasaran B2B.

Hilton: Faster, Better Screening

Jaringan hotel Hilton adalah pengadopsi awal AI untuk perekrutan. Mulai tahun 2014, perusahaan mulai menggunakannya untuk mencari, menyaring, dan mewawancarai kandidat untuk call center dan peran dukungan pelanggan lainnya.

Hasilnya sangat mengejutkan. Sejak program ini dimulai, perusahaan telah meningkatkan kecepatan untuk mempekerjakan 85%. Waktu antara wawancara awal hingga penawaran tender turun dari 42 hari menjadi lima.

Sarah Smart, Wakil Presiden Global Recruiting di Hilton, melaporkan: “Kami juga telah merasakan manfaat bisnis lainnya; seperti meningkatkan keragaman kumpulan bakat kami dan memungkinkan perekrut kami untuk mengidentifikasi kandidat yang berkinerja tinggi lebih cepat. "

L’oreal: Rethinking Hiring

Sebagai salah satu perusahaan kecantikan terbesar di dunia, situs karier L'Oreal dipenuhi dengan aplikasi, mencatat lima juta pengunjung per tahun. Perusahaan membawa Seedlink Technology, untuk mengurangi waktu yang dihabiskan untuk meninjau banjir aplikasi ini sambil memberikan pengalaman kandidat yang berkualitas.

Seedlink menggunakan jenis AI yang disebut linguistik komputasional untuk menganalisis bahasa dan mendapatkan wawasan tentang pemikiran dan kecerdasan orang. Ini didasarkan pada keyakinan bahwa potensi pelamar lebih penting daripada pendidikan atau pengalaman kerja sebelumnya.

Tim L'Oreal mengajukan pertanyaan yang mencerminkan jenis kompetensi yang ingin mereka lihat. Misalnya: “Ceritakan kepada kami tentang saat Anda gagal atau melakukan kesalahan. Apa yang terjadi? Apa yang Anda pelajari dari pengalaman itu? "

Hasilnya: rasio penawaran untuk kandidat yang diwawancarai naik menjadi 82%. Lebih penting lagi, mereka yang dipekerjakan memiliki jalur karier yang lebih baik begitu mereka dipekerjakan.

Unilever: Moving At The Speed of Millennials

Perusahaan konsumen global, Unilever mencari cara baru yang dinamis untuk terlibat dengan kaum milenium. Jawabannya adalah AI untuk wawancara.

Perusahaan itu membawa perusahaan perangkat lunak perekrutan AI, HireVue, yang menggunakan analisis video ekspresi wajah, bahasa tubuh, dan kata kunci untuk menentukan kandidat mana yang paling mungkin berhasil di perusahaan itu.

Sebagian besar kandidat menyukai wawancara — tanda bahwa sistem itu sama ramahnya dengan kaum milenium seperti yang mereka harapkan. Delapan puluh persen memberikan umpan balik positif tentang wawancara.

Unilever sejak itu meluncurkan program di 53 negara. Hasilnya lebih dari 50.000 jam dihemat untuk penyaringan, pengurangan 75% dalam waktu perekrutan, dan penghematan 1,2 juta USD per tahun.

Last updated on 7/30/2020 by Freddy
← Chatbot HRSystem Request →
  • Kisah Sukses
    • IBM: A New Level of Employee Engagement
    • Royal Dutch Shell: Finding Hidden Talent
    • Hilton: Faster, Better Screening
    • L’oreal: Rethinking Hiring
    • Unilever: Moving At The Speed of Millennials
FREDUNIVERSE
Copyright © 2020 Freddy Munandar